양파 재배면적과 생산단수의 예측 모형 비교 : Stepwise, LASSO, PCA, PLS 방법의 비교 Comparison of the Prediction Model of the Production Unit and the Area of the Onion : Comparison of Stepwise, LASSO, PCA, and PLS methods원문보기
정부 5대 노재채소 민감품목 중 하나인 양파의 가격 안정을 위해서는 양파의 공급량을 추정하는 것이 필요하다. 양파의 수급구조에서 양파의 생산량을 알기 위해서는 재배면적과 생산단수를 추정하여야 한다. 본 연구에서는 양파의 재배면적(ha)와 생산단수(kg/10a)에 영향을 주는 변수를 상관분석을 통해 파악 한 이후 유의한 변수를 활용하여 4가지의 통계적 기법(Stepwise, LASSO, PCA, PLS)을 활용한 모델로 추정하여 예측력을 비교 하였다. 양파의 재배면적의 경우 양파, 마늘전년도 재배면적, 양파 5월~ 8월 도매시장 가격(원/1kg), 양파농가 순수익(원/10a)의 변수를 활용하였다. 4가지의 모델예측력 비교 결과 PCA(...
정부 5대 노재채소 민감품목 중 하나인 양파의 가격 안정을 위해서는 양파의 공급량을 추정하는 것이 필요하다. 양파의 수급구조에서 양파의 생산량을 알기 위해서는 재배면적과 생산단수를 추정하여야 한다. 본 연구에서는 양파의 재배면적(ha)와 생산단수(kg/10a)에 영향을 주는 변수를 상관분석을 통해 파악 한 이후 유의한 변수를 활용하여 4가지의 통계적 기법(Stepwise, LASSO, PCA, PLS)을 활용한 모델로 추정하여 예측력을 비교 하였다. 양파의 재배면적의 경우 양파, 마늘전년도 재배면적, 양파 5월~ 8월 도매시장 가격(원/1kg), 양파농가 순수익(원/10a)의 변수를 활용하였다. 4가지의 모델예측력 비교 결과 PCA(주성분 분석)을 활용한 회귀분석이 가장 좋은 모델로 나왔다. 생산단수의 경우 초장길이 변화량과 10월 최고기온, 11월 평균기온, 최저기온, 상대습도, 강수량 일사시간과 4월 최저기온, 최고기온, 상대습도, 강수량, 일사시간의 변수를 활용하였다. 4가지의 모델예측력 비교 결과 PLS(주성분 분석)을 활용한 회귀분석이 가장 좋은 모델로 나왔다.
정부 5대 노재채소 민감품목 중 하나인 양파의 가격 안정을 위해서는 양파의 공급량을 추정하는 것이 필요하다. 양파의 수급구조에서 양파의 생산량을 알기 위해서는 재배면적과 생산단수를 추정하여야 한다. 본 연구에서는 양파의 재배면적(ha)와 생산단수(kg/10a)에 영향을 주는 변수를 상관분석을 통해 파악 한 이후 유의한 변수를 활용하여 4가지의 통계적 기법(Stepwise, LASSO, PCA, PLS)을 활용한 모델로 추정하여 예측력을 비교 하였다. 양파의 재배면적의 경우 양파, 마늘전년도 재배면적, 양파 5월~ 8월 도매시장 가격(원/1kg), 양파농가 순수익(원/10a)의 변수를 활용하였다. 4가지의 모델예측력 비교 결과 PCA(주성분 분석)을 활용한 회귀분석이 가장 좋은 모델로 나왔다. 생산단수의 경우 초장길이 변화량과 10월 최고기온, 11월 평균기온, 최저기온, 상대습도, 강수량 일사시간과 4월 최저기온, 최고기온, 상대습도, 강수량, 일사시간의 변수를 활용하였다. 4가지의 모델예측력 비교 결과 PLS(주성분 분석)을 활용한 회귀분석이 가장 좋은 모델로 나왔다.
Predicting the production of onions, one of the five most sensitive items in the government, is very important for price stability of crops. To stabilize prices, it is necessary to predict the supply of onions. In order to know the production volume of onions in the supply and demand structure of on...
Predicting the production of onions, one of the five most sensitive items in the government, is very important for price stability of crops. To stabilize prices, it is necessary to predict the supply of onions. In order to know the production volume of onions in the supply and demand structure of onions, the area of cultivation and the number of units of production must be estimated. In this study, variables that affect the area of cultivation (ha) and production units (kg/10a) of onions were identified through correlations and estimated using four statistical techniques (Stepwise, LASSO, PCA, PLS) to compare their predictive power. In the case of onion cultivation area, the area of onion and garlic cultivation, the wholesale market price (won/1kg) and onion farming net income (won/10a) were utilized in May to August. According to a comparison of four model prediction abilities, regression analysis using PCA (primary component analysis) is the best model. For the production units, the variables of the initial length change, October's highest temperature, November's average air temperature, minimum air temperature, relative humidity, precipitation, and April's lowest temperature were utilized. Based on the comparison of the four model predictors, regression analysis using PLS (Primary Component Analysis) is the best model.
Predicting the production of onions, one of the five most sensitive items in the government, is very important for price stability of crops. To stabilize prices, it is necessary to predict the supply of onions. In order to know the production volume of onions in the supply and demand structure of onions, the area of cultivation and the number of units of production must be estimated. In this study, variables that affect the area of cultivation (ha) and production units (kg/10a) of onions were identified through correlations and estimated using four statistical techniques (Stepwise, LASSO, PCA, PLS) to compare their predictive power. In the case of onion cultivation area, the area of onion and garlic cultivation, the wholesale market price (won/1kg) and onion farming net income (won/10a) were utilized in May to August. According to a comparison of four model prediction abilities, regression analysis using PCA (primary component analysis) is the best model. For the production units, the variables of the initial length change, October's highest temperature, November's average air temperature, minimum air temperature, relative humidity, precipitation, and April's lowest temperature were utilized. Based on the comparison of the four model predictors, regression analysis using PLS (Primary Component Analysis) is the best model.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.